随着多媒体和网络技术的快速发展,视频在数字电视、视频网站和视频会议等场合得到了广泛传播。然而由于视频压缩技术和传输信道的限制,各种各样的失真会不可避免地引入到视频中,严重影响了用户的观看体验。因此,为了提高服务质量,准确地评价视频质量十分必要。客观质量评价方法是通过建立数学评价模型,由机器利用这个模型来对视频质量打分,不需要人的参与。其中通用型无参考视频质量评价因为其不需要参考视频且能够适用于多种失真类型的优点,具有很高的研究价值。本文主要研究的是通用型无参考视频质量评价方法,主要工作分为三个部分:首先全面介绍了当前国内外视频质量评价领域的研究现状,分析比较了一些经典的通用型无参考视频质量评价算法的原理及性能;然后在国外先进视频质量评价算法的基础上,提出了一种基于两级时域池化模型的通用型无参考视频质量评价改进算法,全面提高了原算法的评价准确度和稳定性;最后在深入研究深度学习的基础上,将深度学习模型应用于视频质量评价中,提出了一种基于三维卷积神经网络的通用型无参考视频质量评价算法,该算法计算复杂度低,评价速度快,同时也能保持较高的评价准确度,对于视频内容以及失真类型变化有着较强的稳定性,实用价值高。